马尔科夫过程:
构造一个马氏链,使得为平稳分布时,当t足够大,有:
有:
上式表明,从中采样一个样本的概率,等于前一时刻从分布中采到样本时,再从分布中采一个样本的概率。
因此,从中采样,等价于从采样。
问题转为,要选择一个合适的状态转移概率来构造马氏链,使得为平稳分布。
在满足以下细致平衡条件,状态转移概率构造的马氏链,可使得为平稳分布:
(充分不必要条件)
直接构造状态转移概率很困难,定义接受率:
其中可以是任意容易采样的分布。定义状态转移概率
,
可以证明,,满足细致平稳条件。
已有一个从分布的样本,可以从分布采样,作为下一个样本。如何从分布中采样?
直接从采样不容易,可以采用接受拒绝方法采样。从提议分布,再以为接受率来决定是否接受该样本。
从中采集样本,计算样本在分布下的概率,如果等于1,则保留该样本,否则,利用拒绝接受采样方法来决定是否保留该样本。
gibbs采样
当X为高维的随机变量时,定义
则接受率:
所以,gibbs采样是接受率恒等于1的MH采样。
无向图模型未归一化的概率分布:
,必须除以配分系数Z,才能获得有效分布
其中配分系数是未归一化概率所有状态的积分(或求和):
由于难以通过解析法计算Z,可以用mcmc采样来计算Z的近似解。